WO2024095331A1

WO2024095331A1 - 運転技能評価方法、運転技能評価システム、および記録媒体

Info

Publication number: WO2024095331A1
Application number: PCT/JP2022/040769
Authority: WO
Inventors: 武史鳥居; 能英瑠佐藤
Original assignee: 株式会社Subaru
Priority date: 2022-10-31
Filing date: 2022-10-31
Publication date: 2024-05-10

Abstract

本開示の一実施の形態に係る運転技能評価方法は、車両の進行方向の方向変化に応じた第１のパラメータの時系列データ、および車両の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成することと、カーネル密度推定画像をリファレンス画像と比較することにより、車両のドライバの運転技能を評価することとを含む。

Description

運転技能評価方法、運転技能評価システム、および記録媒体

　本開示は、ドライバの運転技能を評価する運転技能評価方法および運転技能評価システム、ならびにドライバの運転技能を評価するソフトウェアが記録された記録媒体に関する。

　近年、自動車などの車両では、ドライバの運転技能を評価する技術が開発されている。例えば特許文献１には、車両が旋回する場合における前後加速度および横加速度に基づいて、ドライバの運転技能を評価する技術が開示されている。

特開２０２０－０１９２８９号公報

　本開示の一実施の形態に係る運転技能評価システムは、画像生成回路と、評価回路とを備えている。画像生成回路は、車両の進行方向の方向変化に応じた第１のパラメータの時系列データ、および車両の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成するものである。評価回路は、カーネル密度推定画像をリファレンス画像と比較することにより、車両のドライバの運転技能を評価するものである。

　本開示の一実施の形態に係る記録媒体は、車両の進行方向の方向変化に応じた第１のパラメータの時系列データ、および車両の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成することと、カーネル密度推定画像をリファレンス画像と比較することにより、車両のドライバの運転技能を評価することとをプロセッサに行わせるソフトウェアが記録されたものである。

　添付図面は、本開示をさらに理解するために設けられており、本明細書に組み込まれるとともに、本明細書の一部を構成するものである。図面は、一実施の形態を示し、明細書とともに、本開示の原理を説明する役割を果たす。

本開示の一実施の形態に係る運転技能評価方法が用いられる運転技術評価システムの一構成例を表す説明図である。図１に示したスマートフォンの一構成例を表すブロック図である。図１に示したサーバ装置３０の一構成例を表すブロック図である。図３に示した記憶部３２に記憶されるデータを表す説明図である。図４に示したヨー角速度データおよびカーブデータの一例を表す説明図である。図４に示した画像データが示すカーネル密度推定画像の一例を表す画像図である。図６に示したカーネル密度推定画像におけるパラメータの一例を表す説明図である。図１に示したデータ処理システムの一構成例を表す説明図である。図８に示した車載装置の一構成例を表すブロック図である。図８に示した情報処理装置の一構成例を表すブロック図である。図８に示した情報処理装置の一動作例を表すフローチャートである。図８に示した情報処理装置の一動作例を表す他のフローチャートである。図８に示した情報処理装置の一動作例を表す他のフローチャートである。図８に示した情報処理装置の一動作例を表す他のフローチャートである。図１４に示した前処理画像を生成する処理の一例を表す説明図である。図８に示した情報処理装置の一動作例を表す他のフローチャートである。図８に示した情報処理装置の一動作例を表す説明図である。図８に示した情報処理装置の一動作例を表す他のフローチャートである。図１に示したサーバ装置の一動作例を表すフローチャートである。図１に示したサーバ装置の一動作例を表す他のフローチャートである。前後加速度の時系列データの一例を表す説明図である。変形例に係るカーネル密度推定画像におけるパラメータの一例を表す説明図である。他の変形例に係るカーネル密度推定画像におけるパラメータの一例を表す説明図である。他の変形例に係るカーネル密度推定画像におけるパラメータの一例を表す説明図である。他の変形例に係るカーネル密度推定画像におけるパラメータの一例を表す説明図である。他の変形例に係るカーネル密度推定画像の一例を表す画像図である。図２５に示したカーネル密度推定画像におけるパラメータの一例を表す説明図である。他の変形例に係るスマートフォンの一構成例を表すブロック図である。

　ドライバの運転技能の評価では、評価精度が高いことが望まれており、さらなる評価精度の向上が期待されている。

　ドライバの運転技能の評価精度を高めることができる運転技能評価方法、運転技能評価システム、および記録媒体を提供することが望ましい。

　以下、本開示のいくつかの例示的な実施の形態を、添付図面を参照して詳細に説明する。なお、以下の説明は、本開示の一具体例を示すものであり、本開示を限定するものと解釈されてはならない。例えば、数値、形状、材料、部品、各部品の位置および各部品の接続方法等を含む各要素は、一例にすぎず、本開示を限定するものと解釈されてはならない。また、以下の例示的な実施の形態において、本開示の最上位概念に基づく独立項に記載されていない構成要素は、任意的なものであり、必要に応じて設けられ得る。図面は模式的なものであり、原寸通りの図示を意図してはいない。本明細書および図面の全般において、略同じ機能および略同じ構成を有する構成要素については、同一の参照符号を付し、重複する説明を省略する。また、本開示の一実施の形態に直接関係の無い構成要素は、図面に図示してはいない。

＜実施の形態＞
［構成例］
　図１は、一実施の形態に係る運転技能評価方法が用いられる運転技能評価システム１の一構成例を表すものである。運転技能評価システム１は、スマートフォン１０と、サーバ装置３０と、データ処理システム２とを備えている。

　スマートフォン１０は、高機能携帯電話であり、車両９の車両内に、車両９に対して所定の向きで固定設置されている。スマートフォン１０は、車両９の走行データを収集する。スマートフォン１０は、例えば携帯電話通信を介して、図示しない携帯電話の基地局と通信を行うことにより、図示しないインターネットに接続される。

　サーバ装置３０は、情報処理装置である。サーバ装置３０は、車両９の走行データに基づいて、車両９のドライバの運転技能を評価する。サーバ装置３０は、図示しないインターネットに接続される。サーバ装置３０は、インターネットを介して、スマートフォン１０との間で通信を行うことができるようになっている。

　データ処理システム２は、情報処理装置を含み、運転技能の評価において使用するデータを生成する。データ処理システム２は、図示しないインターネットに接続される。データ処理システム２は、インターネットを介して、サーバ装置３０との間で通信を行うことができるようになっている。

　運転技能評価システム１では、例えば山道などを含む、カーブが多い評価対象エリアにおいて、評価対象であるドライバが車両９を運転することにより、スマートフォン１０が車両９の走行データを収集し、その走行データをサーバ装置３０に送信する。この走行データは、車両９の進行方向における加速度（前後加速度）についての情報、車両９のヨー角速度についての情報、および車両９の位置についての情報を含む。サーバ装置３０は、車両９のヨー角速度の時系列データに基づいて、車両９が走行した走行路における、複数のカーブを検出する。そして、サーバ装置３０は、前後加速度の時系列データ、およびヨー角速度の時系列データに基づいて、複数のカーブのそれぞれにおけるカーネル密度推定画像を生成する。そして、サーバ装置３０は、複数のカーブのそれぞれについて、サーバ装置３０が生成したこのカーネル密度推定画像と、データ処理システム２により生成され、予めサーバ装置３０に登録された、熟練ドライバに係るカーネル密度推定画像とを比較することにより、ドライバの運転技能を評価する。そして、スマートフォン１０は、ドライバに対して、運転技能の評価結果を提示する。これにより、運転技能評価システム１では、ドライバは、自分の運転技能についての客観的な評価を得ることができるようになっている。

　図２は、スマートフォン１０の一構成例を表すものである。スマートフォン１０は、タッチパネル１１と、記憶部１２と、通信部１３と、加速度センサ１４と、角速度センサ１５と、ＧＮＳＳ（Global Navigation Satellite System）受信機１６と、処理部２０とを有している。

　タッチパネル１１は、ユーザインタフェースであり、例えば、タッチセンサと、液晶ディスプレイや有機ＥＬ（Electro Luminescence）ディスプレイなどのディスプレイ装置とを含んで構成される。タッチパネル１１は、スマートフォン１０のユーザの操作を受け付けるとともに、スマートフォン１０の処理結果を表示するようになっている。

　記憶部１２は、不揮発性のメモリであり、様々なアプリケーションソフトウェアのプログラムデータなどが記憶されるように構成される。この例では、スマートフォン１０には、運転技能評価システム１に係るアプリケーションソフトウェアがインストールされている。このアプリケーションソフトウェアのプログラムデータは、記憶部１２に記憶されている。

　通信部１３は、携帯電話通信を行うことにより、携帯電話の基地局と通信を行うように構成される。これにより、通信部１３は、携帯電話の基地局を介して、インターネットに接続されたサーバ装置３０と通信を行うようになっている。

　加速度センサ１４は、スマートフォン１０の座標系における３つの方向の加速度をそれぞれ検出するように構成される。

　角速度センサ１５は、スマートフォン１０の座標系における３つの角速度（ヨー角速度、ロール角速度、ピッチ角速度）をそれぞれ検出するように構成される。

　ＧＮＳＳ受信機１６は、ＧＰＳ（Global Positioning System）などのＧＮＳＳを用いて、地上での車両９の位置を取得するように構成される。

　処理部２０は、スマートフォン１０の動作を制御するように構成され、例えば、１または複数のプロセッサ、１または複数のメモリなどを用いて構成される。処理部２０は、加速度センサ１４により検出された加速度の時系列データ、角速度センサ１５により検出された角速度の時系列データ、およびＧＮＳＳ受信機１６により得られた車両９の位置の時系列データを収集する。処理部２０は、スマートフォン１０にインストールされた、運転技能評価システム１に係るアプリケーションソフトウェアを実行することにより、データ処理部２１および表示処理部２２として動作し得る。

　データ処理部２１は、加速度センサ１４の検出結果、および角速度センサ１５の検出結果に基づいて、所定のデータ処理を行うように構成される。所定のデータ処理は、例えば、加速度センサ１４により検出された加速度の時系列データに対するフィルタ処理や、角速度センサ１５により検出された角速度の時系列データに対するフィルタ処理などを含む。ここで、フィルタ処理は、ローパスフィルタによる処理である。そして、通信部１３は、走行終了後に、データ処理部２１により処理された加速度の時系列データおよび角速度の時系列データを、ＧＮＳＳ受信機１６により得られた車両９の位置の時系列データとともに、サーバ装置３０に送信するようになっている。

　表示処理部２２は、サーバ装置３０から送信された、運転技能の評価結果を示すデータに基づいて、表示処理を行うように構成される。これにより、タッチパネル１１は、運転技能の評価結果を表示するようになっている。

　図３は、サーバ装置３０の一構成例を表すものである。サーバ装置３０は、通信部３１と、記憶部３２と、処理部４０とを有している。

　通信部３１は、ネットワーク通信を行うことにより、インターネットを介してスマートフォン１０と通信を行うように構成される。

　記憶部３２は、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）などを含み、様々なソフトウェアのプログラムデータなどが記憶されるように構成される。この例では、サーバ装置３０には、運転技能評価システム１に係るサーバ用のソフトウェアがインストールされている。このソフトウェアのプログラムデータは、記憶部３２に記憶されている。また、記憶部３２には、このソフトウェアが使用する様々なデータが記憶されている。

　図４は、記憶部３２に記憶された、サーバ用のソフトウェアが使用するデータの一例を表すものである。記憶部３２には、エリアデータＤＡＲと、複数のデータセットＤＳ（データセットＤＳＡおよび複数のデータセットＤＳＢ）と、評価対象カーブデータＤＴＣとが記憶されている。これらのデータは、データ処理システム２により生成され、この記憶部３２に記憶される。

　エリアデータＤＡＲは、運転技能の評価を行う、評価対象エリアを示すデータである。評価対象エリアは、例えば、山道を含むエリアなど、カーブが多いエリアを設定することができる。このエリアデータＤＡＲは、例えば、この評価対象エリアの緯度および経度についてのデータを含んでいる。

　複数のデータセットＤＳのそれぞれは、熟練ドライバが、エリアデータＤＡＲが示すエリアにおいて車両を運転することにより得られた走行データに応じたデータである。複数のデータセットＤＳは、互いに異なる熟練ドライバに係る複数の走行データに応じたデータを含んでいてもよいし、一人の熟練ドライバに係る複数の走行データに応じたデータを含んでいてもよい。複数のデータセットＤＳのそれぞれは、加速度データＤＡと、ヨー角速度データＤＹと、カーブデータＤＣと、複数の画像データＤＰとを含んでいる。

　加速度データＤＡは、熟練ドライバが運転した車両の進行方向の加速度（前後加速度）の時系列データである。

　ヨー角速度データＤＹは、熟練ドライバが運転した車両のヨー角速度の時系列データである。

　カーブデータＤＣは、走行路における複数のカーブについてのカーブ番号を含むデータである。カーブデータＤＣは、ヨー角速度データＤＹに基づいて生成される。カーブデータＤＣでは、複数のカーブのカーブ番号が、ヨー角速度データＤＹにおけるヨー角速度の時系列データと対応づけて設定される。

　図５は、ヨー角速度データＤＹおよびカーブデータＤＣの一例を表すものである。ヨー角速度は、走行路のカーブに応じて変化する。カーブデータＤＣは、このヨー角速度の時系列データに基づいて設定された、カーブ番号（図５における“１”～“９”）を含む。カーブデータＤＣでは、複数のカーブのカーブ番号が、ヨー角速度データＤＹにおけるヨー角速度の時系列データと対応づけて設定されている。

　複数の画像データＤＰは、複数のカーブにおけるカーネル密度推定画像の画像データである。

　図６は、あるカーブにおけるカーネル密度推定画像の一例を表すものである。図７は、図６に示したカーネル密度推定画像の座標軸を表すものである。このカーネル密度推定画像の横軸（Ｘ軸）は時間を示し、縦軸（Ｙ軸）はヨー角加速度の２乗を示す。ヨー角加速度は、ヨー角速度の時間微分である。カーネル密度推定画像の画素値（Ｚ軸）は前後躍度の２乗を示す。前後躍度は、前後加速度の時間微分である。カーネル密度推定画像における、色が濃い画像部分は、前後躍度の２乗の値が大きいことを示し、色が薄い画像部分は、前後躍度の２乗の値が小さいことを示す。この例では、前後躍度の２乗の値が大きいほど画素値が小さく、前後躍度の２乗の値が小さいほど画素値が大きい。このカーネル密度推定画像は、ドライバの運転技能に応じて変化し得る。記憶部３２には、複数のカーブに対応した複数のカーネル密度推定画像が、複数の画像データＤＰとしてそれぞれ記憶される。

　データセットＤＳＡおよび複数のデータセットＤＳＢのそれぞれは、このように、加速度データＤＡ、ヨー角速度データＤＹ、カーブデータＤＣ、および複数の画像データＤＰを含んでいる。後述するように、データ処理システム２は、複数のデータセットＤＳＢのそれぞれにおけるカーブデータＤＣのカーブ番号を、データセットＤＳＡにおけるカーブデータＤＣに基づいて調整する。すなわち、カーブ番号は、ヨー角速度データＤＹに基づいて生成されるので、ヨー角速度データＤＹに応じて、あるカーブに互いに異なるカーブ番号が付される可能性がある。よって、データ処理システム２は、データセットＤＳＡを見本データとして用い、複数のデータセットＤＳＢのそれぞれにおけるカーブデータＤＣのカーブ番号を、データセットＤＳＡにおけるカーブデータＤＣに基づいて調整する。これにより、複数のデータセットＤＳＢのカーブデータＤＣにおいて、互いに同じカーブのカーブ番号が、互いに同じになるように調節されるようになっている。

　評価対象カーブデータＤＴＣは、エリアデータＤＡＲが示すエリアにおける複数のカーブのうち、運転技能評価の評価対象である複数のカーブのカーブ番号を示すデータである。

　記憶部３２には、このようなデータが記憶される。なお、以上では、記憶部３２には、１つのエリアについてのデータが記憶される例で説明したが、これに限定されるものではなく、複数のエリアについてのデータが記憶されてもよい。この場合には、記憶部３２には、複数のエリアのそれぞれについて、複数のデータセットＤＳ、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲが記憶される。

　処理部４０（図３）は、サーバ装置３０の動作を制御するように構成され、例えば、１または複数のプロセッサ、１または複数のメモリなどを用いて構成される。処理部４０は、サーバ装置３０にインストールされた、運転技能評価システム１に係るサーバ用のソフトウェアを実行することにより、データ処理部４１、カーブ検出部４２、データ抽出部４３、画像生成部４４、画像類似度算出部４５、および技能判定部４６として動作し得る。

　データ処理部４１は、通信部３１により受信された、加速度の時系列データ、角速度の時系列データ、および車両９の位置の時系列データに基づいて、所定のデータ処理を行うことにより、加速度データＤＡ１およびヨー角速度データＤＹ１を生成するように構成される。所定のデータ処理は、例えば、車両９の位置の時系列データに基づいて、車両９が評価対象エリアを走行しているかどうかを確認する処理、スマートフォン１０により得られた加速度の時系列データに基づいて座標変換を行うことにより、車両９の進行方向における加速度（前後加速度）の時系列データを生成する処理、スマートフォン１０により得られた角速度の時系列データに基づいて座標変換を行うことにより、車両９のヨー角速度の時系列データを生成する処理、前後加速度の時系列データに対するフィルタ処理、およびヨー角速度の時系列データに対するフィルタ処理などを含む。ここで、フィルタ処理は、ローパスフィルタによる処理である。

　カーブ検出部４２は、データ処理部４１により生成されたヨー角速度データＤＹ１に基づいて、複数のカーブを検出することにより、カーブデータＤＣ１を生成するように構成される。

　データ抽出部４３は、記憶部３２に記憶された評価対象カーブデータＤＴＣに基づいて、加速度データＤＡ１に含まれる前後加速度の時系列データのうちの、運転技能評価の評価対象である複数のカーブに係る、前後加速度の時系列データを抽出するとともに、ヨー角速度データＤＹ１に含まれるヨー角速度の時系列データのうちの、運転技能評価の評価対象である複数のカーブに係る、ヨー角速度の時系列データを抽出するように構成される。

　画像生成部４４は、データ抽出部４３により抽出された、複数のカーブに係る前後加速度の時系列データおよびヨー角速度の時系列データに基づいて、複数のカーブに係る複数のカーネル密度推定画像をそれぞれ生成することにより、複数の画像データＤＰ１をそれぞれ生成するように構成される。具体的には、画像生成部４４は、１つのカーブに係る前後加速度の時系列データおよびヨー角速度の時系列データに基づいて、カーネル密度推定処理を行うことにより、そのカーブのカーネル密度推定画像を生成する。カーネル密度推定処理では、実測データに基づいて、いまだ観測されていないデータを含む本来のデータが、密度データとして推定される。画像生成部４４は、複数のカーブのそれぞれについて、この処理を行うことにより、複数のカーネル密度推定画像を生成する。このようにして、画像生成部４４は、複数のカーブに係る複数の画像データＤＰ１を生成するようになっている。

　画像類似度算出部４５は、画像生成部４４が生成した複数のカーネル密度推定画像と、記憶部３２に記憶された複数のデータセットＤＳに含まれる複数のカーネル密度推定画像とに基づいて、画像類似度の平均値（平均類似度）を算出するように構成される。具体的には、画像類似度算出部４５は、１つのカーブについて、画像生成部４４が生成したカーネル密度推定画像と、複数のデータセットＤＳに含まれる複数のカーネル密度推定画像とを比較することにより画像類似度をそれぞれ算出する。画像類似度算出部４５は、複数のカーブのそれぞれについて、この処理を行うことにより、複数の画像類似度を算出する。そして、画像類似度算出部４５は、これらの複数の画像類似度の平均値（平均類似度）を算出するようになっている。

　技能判定部４６は、画像類似度算出部４５が算出した平均類似度に基づいて、車両９のドライバの運転技能を判定するように構成される。そして、通信部３１は、技能判定部４６により生成された運転技能の評価結果を示すデータをスマートフォン１０に送信するようになっている。

　記憶部３２に記憶された複数のデータセットＤＳ、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲは、データ処理システム２により生成される。以下に、このデータ処理システム２について説明する。

　図８は、データ処理システム２の一構成例を表すものである。データ処理システム２は、車載装置１１０と、情報処理装置１３０とを備えている。車載装置１１０は、熟練ドライバが運転する車両１０９に搭載された装置である。情報処理装置１３０は、この例では、いわゆるパーソナルコンピュータである。

　図９は、車載装置１１０の一構成例を表すものである。車載装置１１０は、加速度センサ１１４と、ヨー角速度センサ１１５と、ＧＮＳＳ受信機１１６と、処理部１２０とを有している。

　加速度センサ１１４は、車両１０９の進行方向の加速度（前後加速度）を検出するように構成される。

　ヨー角速度センサ１１５は、車両１０９のヨー角速度を検出するように構成される。

　ＧＮＳＳ受信機１１６は、ＧＰＳなどのＧＮＳＳを用いて、地上での車両１０９の位置を取得するように構成される。

　処理部１２０は、いわゆるＥＣＵ（Electronic Control Unit）であり、例えば、１または複数のプロセッサ、１または複数のメモリなどを用いて構成される。処理部１２０は、加速度センサ１１４により検出された前後加速度の時系列データ、ヨー角速度センサ１１５により検出されたヨー角速度の時系列データ、およびＧＮＳＳ受信機１１６により得られた車両１０９の位置の時系列データを収集する。

　例えば、エンジニアは、走行終了後に、処理部１２０が収集したこれらの時系列データを、例えば半導体メモリなどの外部記録媒体に記憶させる。

　図１０は、情報処理装置１３０の一構成例を表すものである。情報処理装置１３０は、エンジニアの操作に基づいて、外部記録媒体に記録されたデータを読み出し、読み出されたデータに基づいて、サーバ装置３０の記憶部３２に記憶される複数のデータセットＤＳ、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲを生成する。情報処理装置１３０は、ユーザインタフェース部１３１と、記憶部１３２と、通信部１３３と、処理部１４０とを備えている。

　ユーザインタフェース部１３１は、例えば、キーボード、マウス、液晶ディスプレイや有機ＥＬディスプレイなどの表示部とを含んで構成される。ユーザインタフェース部１３１は、情報処理装置１３０のユーザ（この例ではエンジニア）の操作を受け付けるとともに、情報処理装置１３０の処理結果を表示するようになっている。

　記憶部１３２は、例えばＨＤＤやＳＳＤなどを含み、様々なソフトウェアのプログラムデータなどが記憶されるように構成される。この例では、情報処理装置１３０には、データ処理システム２に係るソフトウェアがインストールされている。このソフトウェアのプログラムデータは、記憶部１３２に記憶されている。

　通信部１３３は、ネットワーク通信を行うことにより、インターネットを介してサーバ装置３０と通信を行うように構成される。

　処理部１４０は、情報処理装置１３０の動作を制御するように構成され、例えば、１または複数のプロセッサ、１または複数のメモリなどを用いて構成される。処理部１４０は、情報処理装置１３０にインストールされた、データ処理システム２に係るソフトウェアを実行することにより、データ処理部１４１、カーブ検出部１４２、画像生成部１４４、画像類似度算出部１４５、評価対象データ生成部１４７、エリアデータ生成部１４８、およびデータ登録部１４９として動作し得る。

　データ処理部１４１は、外部記録媒体から読み出された、前後加速度の時系列データおよびヨー角速度の時系列データに基づいて、所定のデータ処理を行うことにより、加速度データＤＡおよびヨー角速度データＤＹを生成するように構成される。所定のデータ処理は、例えば、前後加速度の時系列データに対するフィルタ処理、ヨー角速度の時系列データに対するフィルタ処理、エンジニアの操作に基づいてエリアデータＤＡＲを生成する処理などを含む。ここで、フィルタ処理は、ローパスフィルタによる処理である。

　カーブ検出部１４２は、データ処理部１４１により生成されたヨー角速度データＤＹに基づいて、複数のカーブを検出することにより、カーブデータＤＣを生成するように構成される。カーブ検出部１４２の処理は、サーバ装置３０におけるカーブ検出部４２の処理と同様である。

　画像生成部１４４は、複数のカーブに係る前後加速度の時系列データおよびヨー角速度の時系列データに基づいて、複数のカーブに係る複数のカーネル密度推定画像をそれぞれ生成することにより、複数の画像データＤＰをそれぞれ生成するように構成される。画像生成部１４４の処理は、サーバ装置３０における画像生成部４４の処理と同様である。

　画像類似度算出部１４５は、複数のカーネル密度推定画像に基づいて、画像類似度を算出するように構成される。画像類似度算出部１４５における画像類似度の算出処理は、サーバ装置３０の画像類似度算出部４５における画像類似度の算出処理と同様である。

　評価対象データ生成部１４７は、画像類似度算出部１４５の処理結果に基づいて、運転技能の評価対象である複数のカーブを決定することにより、評価対象カーブデータＤＴＣを生成するように構成される。

　エリアデータ生成部１４８は、エンジニアの操作に基づいて、評価対象エリアを示すデータであるエリアデータＤＡＲを生成するように構成される。

　データ登録部１４９は、加速度データＤＡ、ヨー角速度データＤＹ、カーブデータＤＣ、および複数の画像データＤＰを含むデータセットＤＳと、評価対象カーブデータＤＴＣと、エリアデータＤＡＲとを記憶部１３２に記憶させるように構成される。

　この構成により、データ処理システム２は、熟練ドライバの走行データに基づいて、複数のデータセットＤＳ、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲを生成する。そして、データ処理システム２は、複数のデータセットＤＳ、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲを、サーバ装置３０に送信する。そして、サーバ装置３０は、これらのデータを記憶部３２に記憶させるようになっている。

　ここで、画像生成部４４は、本開示における「画像生成回路」の一具体例に対応する。画像類似度算出部４５および技能判定部４６は、本開示における「評価回路」の一具体例に対応する。ヨー角加速度の２乗は、本開示における「第１のパラメータ」の一具体例に対応する。前後躍度の２乗は、本開示における「第２のパラメータ」の一具体例に対応する。記憶部３２に記憶されたデータセットＤＳの画像データＤＰが示すカーネル密度推定画像は、本開示における「リファレンス画像」の一具体例に対応する。

［動作および作用］
　続いて、本実施の形態の運転技能評価システム１の動作および作用について説明する。

（全体動作概要）
　図１～４，８～１０を参照して、運転技能評価システム１の動作を説明する。

　まず、運転技能評価システム１は、熟練ドライバが車両１０９を運転したときの走行データに基づいて、複数のデータセットＤＳ、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲを生成する。

　具体的には、熟練ドライバがデータ処理システム２の車両１０９を運転することにより、車載装置１１０の処理部１２０は、車両１０９の走行データを収集する。例えば、エンジニアは、走行終了後に、処理部１２０が収集した走行データを、例えば半導体メモリなどの外部記録媒体に記憶させる。情報処理装置１３０は、この走行データに基づいて、加速度データＤＡ、ヨー角速度データＤＹ、カーブデータＤＣ、および複数の画像データＤＰを生成し、これらのデータを含むデータセットＤＳを、記憶部１３２に記憶させる。情報処理装置１３０は、この処理を繰り返すことにより、複数のデータセットＤＳを記憶部１３２に記憶させる。また、情報処理装置１３０は、複数のデータセットＤＳに基づいて運転技能の評価対象である複数のカーブを示すデータである評価対象カーブデータＤＴＣを生成するとともに、エンジニアの操作に基づいて評価対象エリアを示すデータであるエリアデータＤＡＲを生成し、これらのデータを記憶部１３２に記憶させる。そして、情報処理装置１３０は、複数のデータセットＤＳ、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲを、サーバ装置３０に送信する。サーバ装置３０は、情報処理装置１３０から送信された複数のデータセットＤＳ、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲを記憶部３２に記憶させる。

　運転技能評価システム１は、このようにして熟練ドライバが車両１０９を運転することにより生成された、複数のデータセットＤＳ、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲを用いて、ドライバの運転技能を評価する。

　具体的には、評価対象であるドライバが車両９を運転することにより、スマートフォン１０は、車両９の走行データを収集する。そして、スマートフォン１０は、収集した走行データをサーバ装置３０に送信する。サーバ装置３０は、この走行データに基づいて、加速度データＤＡ１、ヨー角速度データＤＹ１、カーブデータＤＣ１、および複数の画像データＤＰ１を生成する。サーバ装置３０は、複数の画像データＤＰ１が示す複数のカーネル密度推定画像と、記憶部３２に記憶された複数のデータセットＤＳに含まれる複数の画像データＤＰが示す複数のカーネル密度推定画像とに基づいて、画像類似度の平均値（平均類似度）を算出し、この平均類似度に基づいて、車両９のドライバの運転技能を判定する。そして、サーバ装置３０は、運転技能の評価結果を示すデータをスマートフォン１０に送信する。そして、スマートフォン１０は、サーバ装置３０から送信された運転技能の判定結果を表示する。

（詳細動作）
　以下に、運転技能評価システム１の動作について、詳細に説明する。

（複数のデータセットＤＳの生成について）
　まず、データ処理システム２は、熟練ドライバが車両１０９を運転することにより得られた走行データに基づいて、複数のデータセットＤＳを生成する。以下に、複数のデータセットＤＳを生成する動作について詳細に説明する。

　熟練ドライバが車両１０９を運転すると、車両１０９では、車載装置１１０の加速度センサ１１４は、車両１０９の進行方向の加速度（前後加速度）を検出し、ヨー角速度センサ１１５は、車両１０９のヨー角速度を検出し、ＧＮＳＳ受信機１１６は、地上での車両１０９の位置を取得する。処理部１２０は、加速度センサ１１４により検出された前後加速度の時系列データ、ヨー角速度センサ１１５により検出されたヨー角速度の時系列データ、およびＧＮＳＳ受信機１１６により得られた車両１０９の位置の時系列データを収集する。

　情報処理装置１３０は、この外部記録媒体から読み出された、前後加速度の時系列データ、ヨー角速度の時系列データ、および車両１０９の位置の時系列データに基づいて、データセットＤＳを生成し、このデータセットＤＳを記憶部１３２に記憶させる。以下に、この情報処理装置１３０の動作について、詳細に説明する。

　図１１は、データ処理システム２における情報処理装置１３０の一動作例を表すものである。この例では、エリアデータ生成部１４８は、エンジニアの操作に基づいて、エリアデータＤＡＲをすでに生成している。

　まず、情報処理装置１３０のデータ処理部１４１は、車両１０９の位置の時系列データに基づいて、記憶部１３２に記憶されているエリアデータＤＡＲを用いて、車両１０９が評価対象エリアを走行したかどうかを確認する（ステップＳ１０１）。車両１０９が評価対象エリアを走行していない場合（ステップＳ１０１において“Ｎ”）には、この処理は終了する。

　車両１０９が評価対象エリアを走行した場合（ステップＳ１０１において“Ｙ”）には、データ処理部１４１は、評価対象エリアにおける前後加速度の時系列データおよびヨー角速度の時系列データに対してフィルタ処理を行うことにより、加速度データＤＡおよびヨー角速度データＤＹをそれぞれ生成する（ステップＳ１０２）。

　次に、カーブ検出部１４２は、ステップＳ１０２において生成したヨー角速度データＤＹに基づいて、カーブ分割処理を行うことによりカーブデータＤＣを生成する（ステップＳ１０３）。カーブ分割処理は、以下に示す２段階の処理を含む。

　図１２は、カーブ分割処理における１段階目の処理の一具体例を表すものである。カーブ検出部１４２は、ヨー角速度データＤＹに含まれるヨー角速度を、時系列順に順次読み込みつつ、この図１２に示す処理を行う。

　まず、カーブ検出部１４２は、所定値Ａ以上（例えば０．０２ｒａｄ／ｓｅｃ．以上）のヨー角速度が所定時間Ｂ以上（例えば２秒以上）の時間にわたり継続しているかどうかを確認する（ステップＳ２０１）。この条件は、カーブ検出部１４２が、カーブ検出の基本条件である。なお、この例では、所定時間Ｂを用いて評価したが、所定時間Ｂの代わりに所定距離を用いて評価してもよい。この条件を満たさない場合（ステップＳ２０１において“Ｎ”）には、この条件が満たすまで、ステップＳ２０１の処理を繰り返す。

　ステップＳ２０１に示した条件を満たす場合（ステップＳ２０１において“Ｙ”）には、カーブ検出部１４２は、ヨー角速度の極性が、直前のカーブでのヨー角速度の極性と同じであり、かつ、直前のカーブの後に所定時間Ｃ未満（例えば９秒未満）の時間にわたり車両１０９が直線道路を走行しているかどうかを確認する（ステップＳ２０２）。なお、この例では、所定時間Ｃを用いて評価したが、所定時間Ｃの代わりに所定距離を用いて評価してもよい。

　ステップＳ２０２において、この条件を満たさない場合（ステップＳ２０２において“Ｎ”）には、カーブ検出部１４２は、カーブを検出する（ステップＳ２０３）。すなわち、ステップＳ２０１において、カーブ検出の基本条件を満たしており、直前のカーブからの距離が離れているので、カーブ検出部１４２は、直前のカーブとは別に、新しいカーブを検出する。カーブ検出部１４２は、検出したカーブに、カーブ番号を付する。そして、処理はステップＳ２０５に進む。

　ステップＳ２０２において、この条件を満たす場合（ステップＳ２０２において“Ｙ”）には、カーブ検出部１４２は、直前のカーブが継続しているとみなす（ステップＳ２０３）。すなわち、ステップＳ２０１において、カーブ検出の基本条件を満たしているが、直前のカーブからの距離が短いので、直前のカーブが継続しているとみなす。そして、処理はステップＳ２０５に進む。

　次に、カーブ検出部１４２は、ヨー角速度が所定値Ａ以下（例えば０．０２ｒａｄ／ｓｅｃ．以下）であるかどうかを確認する（ステップＳ２０５）。すなわち、カーブ検出部１４２は、カーブ検出の基本条件を満たさなくなったかどうかを確認する。ヨー角速度が所定値Ａ以下ではない場合（ステップＳ２０５において“Ｎ”）には、ヨー角速度が所定値Ａ以下になるまで、ステップＳ２０５の処理を繰り返す。

　ヨー角速度が所定値Ａ以下である場合（ステップＳ２０５において“Ｙ”）には、カーブ検出部１４２は、所定値Ａ未満（例えば０．０２ｒａｄ／ｓｅｃ．未満）のヨー角速度が所定時間Ｂ未満（例えば２秒未満）の時間にわたり継続した後にヨー角速度が所定値Ａ以上（例えば０．０２ｒａｄ／ｓｅｃ．以上）になったかどうかを確認する（ステップＳ２０６）。この条件を満たす場合（ステップＳ２０６において“Ｙ”）には、カーブ検出部１４２は、直前のカーブが継続しているとみなす（ステップＳ２０７）。すなわち、この条件を満たす場合には、カーブ検出部１４２は、カーブ終了直後にドライバがステアリング操作を調整することにより車両１０９がふらついたと判断し、直前のカーブが継続しているとみなす。そして、処理はステップＳ２０５に戻る。

　ステップＳ２０６の条件を満たさない場合（ステップＳ２０６において“Ｎ”）には、カーブ検出部１４２は、カーブの終了を検出する（ステップＳ２０８）。

　そして、カーブ検出部１４２は、ヨー角速度データＤＹに含まれる全てのヨー角速度のデータを読み込んだかどうかを確認する（ステップＳ２０９）。まだ全てのデータを読み込んでいない場合（ステップＳ２０９において“Ｎ”）には、処理はステップＳ２０１に戻る。

　ステップＳ２０９において、全てのデータを読み込んだ場合（ステップＳ２０９において“Ｙ”）には、この処理は終了する。

　このように、カーブ分割処理における１段階目の処理では、カーブ検出部１４２は、基本的には、所定値Ａ以上（例えば０．０２ｒａｄ／ｓｅｃ．以上）のヨー角速度が所定時間Ｂ以上（例えば２秒以上）の時間にわたり継続している場合に、カーブを検出する（ステップＳ２０１）。また、カーブ検出部１４２は、カーブが終了した後に、所定値Ａ未満（例えば０．０２ｒａｄ／ｓｅｃ．未満）のヨー角速度が所定時間Ｂ未満（例えば２秒未満）の時間にわたり継続し、その後に、ヨー角速度が所定値Ａ以上（例えば０．０２ｒａｄ／ｓｅｃ．以上）になった場合に、直前のカーブが継続しているとみなす（ステップＳ２０５～Ｓ２０７）。また、カーブ検出部１４２は、同じ方向に曲がる２つのカーブに挟まれた直線道路が短い場合には、これらの２つのカーブを１つのカーブとみなす（ステップＳ２０１，Ｓ２０２，Ｓ２０４）。

　図１３は、カーブ分割処理における２段階目の処理の一具体例を表すものである。カーブ検出部１４２は、１段階目の処理結果を用いて、この２段階目の処理を行う。これにより、カーブ検出部１４２は、１段階目の処理により検出された複数のカーブのそれぞれについて、運転技能評価の評価対象とするかどうかを決定する。

　まず、カーブ検出部１４２は、１段階目の処理により得られた複数のカーブのうちの最初のカーブを選択する（ステップＳ２２１）。

　次に、カーブ検出部１４２は、選択したカーブにおけるヨー角速度の平均値は所定値Ｄ未満（例えば０．０５ｒａｄ／ｓｅｃ．未満）であるかどうかを確認する（ステップＳ２２２）。

　ステップＳ２２２において、ヨー角速度の平均値が所定値Ｄ未満である場合（ステップＳ２２２において“Ｙ”）には、カーブ検出部１４２は、ヨー角速度の最大値は所定値Ｅ以上（例えば０．０７ｒａｄ／ｓｅｃ．以上）であるかどうかを確認する（ステップＳ２２３）。

　ステップＳ２２２において、ヨー角速度の平均値が所定値Ｄ未満ではない場合（ステップＳ２２２において“Ｎ”）、もしくはステップＳ２２３において、ヨー角速度の最大値は所定値Ｅ以上である場合（ステップＳ２２３において“Ｙ”）には、カーブ検出部１４２は、このカーブを運転技能評価の評価対象とする（ステップＳ２２４）。また、ステップＳ２２３において、ヨー角速度の最大値は所定値Ｅ以上ではない場合（ステップＳ２２３において“Ｎ”）には、カーブ検出部１４２は、このカーブを運転技能評価の評価対象としない（ステップＳ２２５）。

　次に、カーブ検出部１４２は、全てのカーブを選択したかどうかを確認する（ステップＳ２２６）。まだ全てのカーブを選択していない場合（ステップＳ２２６において“Ｎ”）には、カーブ検出部１４２は、選択されていないカーブのうちの１つを選択する（ステップＳ２２７）。そして、処理はステップＳ２２１に戻る。カーブ検出部１４２は、全てのカーブが選択されるまで、ステップＳ２２１～Ｓ２２７の処理を繰り返す。

　そして、カーブ検出部１４２は、すでに全てのカーブを選択した場合（ステップＳ２２６において“Ｙ”）には、この処理は終了する。

　このようにして、図１１のステップＳ１０３に示したように、カーブ検出部１４２は、カーブ分割処理を行うことにより、カーブデータＤＣを生成する。

　次に、カーブ検出部１４２は、見本データがあるかどうかを確認する（ステップＳ１０４）。具体的には、カーブ検出部１４２は、記憶部１３２に、見本データであるデータセットＤＳＡが記憶されているかどうかを確認する。

　ステップＳ１０４において、見本データがない場合（ステップＳ１０４において“Ｎ”）には、画像生成部１４４は、複数のカーブのそれぞれについて、カーネル密度推定画像を生成することにより、複数の画像データＤＰを生成する（ステップＳ１０５）。

　図１４は、カーネル密度推定画像を生成する処理の一例を表すものである。

　まず、画像生成部１４４は、前処理を行う（ステップＳ２４１）。具体的には、画像生成部４４は、まず、加速度データＤＡに含まれる前後加速度の時系列データを時間微分することにより、前後躍度の時系列データを算出し、この前後躍度の時系列データに基づいて、前後躍度の２乗の時系列データを算出する。また、画像生成部１４４は、ヨー角速度データＤＹに含まれるヨー角速度の時系列データを時間微分することにより、ヨー角加速度の時系列データを算出し、このヨー角加速度の時系列データに基づいて、ヨー角加速度の２乗の時系列データを算出する。そして、画像生成部１４４は、前後躍度の２乗の時系列データ、およびヨー角加速度の２乗の時系列データに基づいて、前処理画像を生成する。

　図１５は、前処理画像を生成する処理の一例を表すものである。この前処理画像の横軸（Ｘ軸）は時間を示し、縦軸（Ｙ軸）はヨー角加速度の２乗を示す。この例では、前処理画像が、Ｘ軸方向において１００個の領域に区分され、Ｙ軸方向において１００個の領域に区分される。よって、前処理画像には、１００００個の領域が設けられる。

　前処理画像におけるＸ軸方向のフルスケールは、１つのカーブにおける車両１０９の走行時間を想定し、例えば５秒に設定される。

　前処理画像におけるＹ軸方向のフルスケールは、ヨー角加速度の２乗の時系列データに基づいて設定される。ヨー角加速度の２乗の値は、一般に大きくばらついており、例えば検出精度などに起因して、大きく外れた値になることもあり得る。よって、この例では、画像生成部１４４は、ヨー角加速度の２乗の値のうち、大きく外れた値を除去する処理を行う。画像生成部４４は、例えば箱ひげ図を用いて、大きく外れた値を除去することができる。そして、画像生成部１４４は、大きく外れた値が除去されたデータのうちの、最小値および最大値を求め、最小値から最大値までの値の範囲Ｒが、図１５のＹ軸方向に、適度のマージンＭをもって収まるように、Ｙ軸方向のフルスケールを決定する。マージンＭは、例えば、最小値から最大値までの値の幅の３％程度にすることができる。

　例えば、Ｘ軸方向におけるフルスケールが５秒であり、時系列データのサンプリング周期が１０ｍｓｅｃ．である場合には、前後躍度の２乗の時系列データにおけるデータ数は５００個（＝５ｓｅｃ．／１０ｍｓｅｃ．）であり、ヨー角加速度の２乗の時系列データにおけるデータ数は５００個である。なお、実際には、上述したように、これらのデータのうちの外れ値に係るデータが除去される。画像生成部１４４は、時間、およびヨー角加速度の２乗の値に基づいて、前後躍度の２乗の値を、前処理画像における１００００個の領域にマッピングする。

　画像生成部１４４は、１００００個の領域のうち、１つのデータがマッピングされた領域では、その１つのデータに係る前後躍度の２乗の値を、その領域の値とする。また、画像生成部１４４は、１００００個の領域のうち、複数のデータがマッピングされた領域では、その複数のデータに係る前後躍度の２乗の値を互いに足し合わせ、足し合わされた値を、その領域の値とする。このようにして、画像生成部１４４は、前処理画像の画素値（Ｚ軸）を生成する。そして、画像生成部１４４は、この画素値を、例えば０以上２５５以下の整数になるように、そして、前後躍度の２乗の値が大きいほど画素値が小さく、前後躍度の２乗の値が小さいほど画素値が大きくなるように、スケーリングする。このようにして、画像生成部１４４は、前処理画像を生成する。

　次に、画像生成部１４４は、図１４に示すように、この前処理画像に基づいてカーネル密度推定処理を行う（ステップＳ２４２）。カーネル密度推定処理では、実測データに基づいて、いまだ観測されていないデータを含む本来のデータが、密度データとして推定される。画像生成部１４４は、公知の技術を用いて、カーネル密度推定処理を行う。これにより、画像生成部１４４は、カーネル密度推定画像を生成する。

　以上で、この処理は終了する。

　このようにして、図１１のステップＳ１０５に示したように、画像生成部１４４は、複数のカーブのそれぞれについて、カーネル密度推定画像を生成することにより、複数の画像データＤＰを生成する。

　そして、データ登録部１４９は、ステップＳ１０２において生成された加速度データＤＡおよびヨー角速度データＤＹ、ステップＳ１０３において生成されたカーブデータＤＣ、ステップＳ１０５において生成された複数の画像データＤＰを、データセットＤＳＡとして記憶部１３２に記憶させる（ステップＳ１０６）。以上で、この処理は終了する。

　ステップＳ１０４において、見本データがある場合（ステップＳ１０４において“Ｙ”）には、カーブ検出部１４２は、ステップＳ１０２において生成されたヨー角速度データＤＹと、記憶部１３２に記憶されたデータセットＤＳＡのヨー角速度データＤＹとの類似性に基づいてカーブの対応関係を特定することにより、カーブデータＤＣを修正する（ステップＳ１０７）。

　図１６は、ステップＳ１０７の処理の一例を表すものである。

　まず、カーブ検出部１４２は、ステップＳ１０２において生成されたヨー角速度データＤＹと、データセットＤＳＡのヨー角速度データＤＹとに基づいて、処理対象となる全体走行区間を特定する（ステップＳ２６１）。具体的には、カーブ検出部１４２は、ステップＳ１０２において生成されたヨー角速度データＤＹと、データセットＤＳＡのヨー角速度データＤＹとに基づいて、動的時間伸縮法（ＤＴＷ：Dynamic Time Wrapping）を用いて、互いに類似している全体走行区間を特定する。すなわち、これらのヨー角速度データＤＹは、ともに、評価対象エリアにおけるヨー角速度の時系列データであるので、ほぼ同じであることが望まれる。しかしながら、ＧＮＳＳにより得られた車両１０９の位置の精度があまり良くない場合には、ヨー角速度データＤＹは、時系列データの最初または最後において、不要なデータを含む場合や、データが欠落している場合があり得る。よって、カーブ検出部１４２は、ステップＳ１０２において生成されたヨー角速度データＤＹと、データセットＤＳＡのヨー角速度データＤＹとに基づいて、動的時間伸縮法を用いて、カーブの数がほぼ同じになるような全体走行区間を特定する。これにより、この全体走行区間において、ステップＳ１０２において生成されたヨー角速度データＤＹと、データセットＤＳＡのヨー角速度データＤＹとは、互いに比較できるようになる。カーブ検出部１４２は、このようにして、処理対象となる全体走行区間を特定する。

　次に、カーブ検出部１４２は、ステップＳ１０２において生成されたヨー角速度データＤＹにより得られた処理対象となる全体走行区間における複数のカーブと、データセットＤＳＡのヨー角速度データＤＹにより得られた処理対象となる全体走行区間における複数のカーブとの間の、カーブの対応関係を特定する（ステップＳ２６２）。具体的には、カーブ検出部１４２は、ステップＳ１０２において生成されたヨー角速度データＤＹ、および、データセットＤＳＡのヨー角速度データＤＹに基づいて、動的時間伸縮法を用いて、互いに類似している複数の区間をそれぞれ特定することにより、カーブの対応関係を特定する。

　図１７は、ステップＳ２６２の処理の一例を表すものであり、（Ａ）はステップＳ１０２において生成されたヨー角速度データＤＹを示し、（Ｂ）はデータセットＤＳＡのヨー角速度データＤＹを示す。この図１７は、処理対象となる走行区間の一部でのヨー角速度データＤＹを示している。図１７において、数字は、カーブデータＤＣにおけるカーブ番号を示す。

　これらの２つのヨー角速度データＤＹでは、部分Ｗ１において相違がある。すなわち、図１７（Ａ）に示したヨー角速度データＤＹでは、部分Ｗ１において、カーブ番号が“６”である１つのカーブが検出されている。一方、図１７（Ｂ）に示したヨー角速度データＤＹでは、部分Ｗ１において、カーブ番号が“６”～“８”である３つのカーブが検出されている。

　よって、この例では、カーブ検出部１４２は、ステップＳ１０２において生成されたヨー角速度データＤＹ（図１７（Ａ））において、部分Ｗ１におけるカーブのカーブ番号を、“６”から“６，７，８”に変更するとともに、このカーブ以降のカーブのカーブ番号を変更する。すなわち、カーブ検出部１４２は、ステップＳ１０２において生成されたヨー角速度データＤＹ（図１７（Ａ））における複数のカーブのカーブ番号と、データセットＤＳＡのヨー角速度データＤＹ（図１７（Ｂ））における複数のカーブのカーブ番号とを一致させるように、カーブの対応関係を特定する。そして、カーブ検出部１４２は、この処理結果に基づいて、ステップＳ１０３により生成されたカーブデータＤＣを修正する。

　次に、カーブ検出部１４２は、ステップＳ１０２において生成されたヨー角速度データＤＹにおける複数のカーブと、データセットＤＳＡのヨー角速度データＤＹにおける複数のカーブとの間の、類似度が低いカーブを、運転技能評価の評価対象から除外する（ステップＳ２６３）。具体的には、カーブ検出部１４２は、ステップＳ１０２において生成されたヨー角速度データＤＹにおける複数のカーブ、およびデータセットＤＳＡのヨー角速度データＤＹにおける複数のカーブのうちの、互いに対応関係があるカーブについて、動的時間伸縮法を用いて、類似度をそれぞれ算出する。そして、カーブ検出部１４２は、類似度が所定量よりも低いカーブを、運転技能評価の評価対象から除外する。

　以上で、この処理は終了する。

　このようにして、図１１のステップＳ１０７に示したように、カーブ検出部１４２は、ステップＳ１０２において生成されたヨー角速度データＤＹと、データセットＤＳＡのヨー角速度データＤＹとの類似性に基づいてカーブの対応関係を特定することにより、カーブデータＤＣを修正する。

　次に、画像生成部１４４は、複数のカーブのそれぞれについて、カーネル密度推定画像を生成することにより、複数の画像データＤＰを生成する（ステップＳ１０８）。この処理は、ステップＳ１０５の処理と同様である。

　そして、データ登録部１４９は、ステップＳ１０２において生成された加速度データＤＡおよびヨー角速度データＤＹ、ステップＳ１０３において生成され、ステップＳ１０７において修正されたカーブデータＤＣ、ステップＳ１０８において生成された複数の画像データＤＰを、データセットＤＳＢとして記憶部１３２に記憶させる（ステップＳ１０９）。以上で、この処理は終了する。

　このようにして、データ処理システム２は、熟練ドライバが車両１０９を運転することにより得られた走行データに基づいて、加速度データＤＡ、ヨー角速度データＤＹ、カーブデータＤＣ、および複数の画像データＤＰを含むデータセットＤＳを生成する。データ処理システム２は、このような処理を繰り返すことにより、複数の走行データに基づいて、複数のデータセットＤＳを生成することができる。

（評価対象カーブデータＤＴＣの生成について）
　以上では、データ処理システム２は、熟練ドライバが車両１０９を運転することにより得られた走行データに基づいて、処理を行うようにしたが、例えば、非熟練ドライバが車両１０９を運転することにより得られた走行データに基づいて、処理を行うことも可能である。これにより、データ処理システム２は、熟練ドライバに係るカーネル密度推定画像と、非熟練ドライバに係るカーネル密度推定画像とを得ることができる。

　このカーネル密度推定画像は、ドライバの運転技能に応じて変化し得る。後述するように、運転技能評価システム１では、カーネル密度推定画像に基づいて、ドライバの運転技能を評価する。あるカーブでは、例えば、熟練ドライバに係るカーネル密度推定画像と、非熟練ドライバに係るカーネル密度推定画像との間に、大きな差がある場合があり得る。また、他のあるカーブでは、例えば、熟練ドライバに係るカーネル密度推定画像と、非熟練ドライバに係るカーネル密度推定画像との間に、差がほとんど無い場合があり得る。よって、運転技能評価システム１では、熟練ドライバに係るカーネル密度推定画像と、非熟練ドライバに係るカーネル密度推定画像との間に、大きな差があるようなカーブを、運転技能評価の評価対象とする。

　以下に、運転技能評価の評価対象とするカーブを決定することにより、評価対象カーブデータＤＴＣを生成する処理について、詳細に説明する。

　図１８は、評価対象カーブデータＤＴＣを生成する処理の一例を表すものである。この例では、データ処理システム２は、熟練ドライバに係る複数のデータセットＤＳ、および非熟練ドライバに係る複数のデータセットＤＳをすでに取得している。

　評価対象データ生成部１４７は、複数のカーブのうちの１つを選択する（ステップＳ３０１）。

　次に、画像類似度算出部１４５は、選択した１つのカーブについての、熟練ドライバに係る複数のカーネル密度推定画像と、非熟練ドライバに係る複数のカーネル密度推定画像との間の画像類似度の平均値Ｆ１を算出する（ステップＳ３０２）。具体的には、画像類似度算出部１４５は、選択した１つのカーブについての、１または複数の熟練ドライバに係る複数のカーネル密度推定画像と、１または複数の非熟練ドライバに係る複数のカーネル密度推定画像との間の全ての組合せについて、カーネル密度推定画像の画像類似度を算出する。そして、画像類似度算出部１４５は、これらの画像類似度の平均値Ｆ１を算出する。

　次に、画像類似度算出部１４５は、選択した１つのカーブについての、熟練ドライバに係る複数のカーネル密度推定画像のそれぞれの間の画像類似度の平均値Ｆ２を算出する（ステップＳ３０３）。具体的には、画像類似度算出部１４５は、選択した１つのカーブについての、１または複数の熟練ドライバに係る複数のカーネル密度推定画像のそれぞれの間の全ての組合せについて、カーネル密度推定画像の画像類似度を算出する。そして、画像類似度算出部１４５は、これらの画像類似度の平均値Ｆ２を算出する。

　次に、評価対象データ生成部１４７は、平均値Ｆ１と平均値Ｆ２との間に有意差があるかどうかを確認する（ステップＳ３０４）。具体的には、評価対象データ生成部１４７は、平均値Ｆ１と平均値Ｆ２との差が所定量以上である場合には、平均値Ｆ１と平均値Ｆ２との間に有意差があると判断する。平均値Ｆ１と平均値Ｆ２との間に有意差がある場合（ステップＳ３０４において“Ｙ”）には、評価対象データ生成部１４７は、ステップＳ３０１において選択したカーブを運転技能評価の評価対象とする（ステップＳ３０５）。また、平均値Ｆ１と平均値Ｆ２との間に有意差がない場合（ステップＳ３０４において“Ｎ”）には、評価対象データ生成部１４７は、ステップＳ３０１において選択したカーブを運転技能評価の評価対象としない（ステップＳ３０６）。

　次に、評価対象データ生成部１４７は、全てのカーブを選択したかどうかを確認する（ステップＳ３０７）。まだ全てのカーブを選択していない場合（ステップＳ３０７において“Ｎ”）には、評価対象データ生成部１４７は、選択されていないカーブのうちの１つを選択する（ステップＳ３０８）。そして、処理はステップＳ３０２に戻る。評価対象データ生成部１４７は、全てのカーブが選択されるまで、ステップＳ３０２～Ｓ３０８の処理を繰り返す。

　ステップＳ３０７において、全てのカーブを選択した場合（ステップＳ３０７において“Ｙ”）には、評価対象データ生成部１４７は、ステップＳ３０５，Ｓ３０６の処理結果に基づいて、評価対象カーブデータＤＴＣを生成する（ステップＳ３０９）。具体的には、評価対象データ生成部１４７は、ステップＳ３０５，Ｓ３０６において、運転技能評価の評価対象とされたカーブのカーブ番号を含む評価対象カーブデータＤＴＣを生成する。

　以上で、この処理は終了する。

　このようにして、データ処理システム２は、熟練ドライバや非熟練ドライバが車両１０９を運転することにより得られた走行データに基づいて、評価対象カーブデータＤＴＣを生成する。

　そして、データ処理システム２は、複数のデータセットＤＳ、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲを、サーバ装置３０に送信する。サーバ装置３０は、これらのデータを、記憶部３２に記憶させる。

　なお、この例では、処理部１４０は、ステップＳ３０２～Ｓ３０４において、平均値Ｆ１，Ｆ２を算出し、これらの平均値Ｆ１と平均値Ｆ２との間に有意差があるかどうかを確認することにより、選択したカーブを評価対象にするかどうかを判断したが、これに限定されるものではない。これに代えて、処理部１４０は、例えば、平均値Ｆ１，Ｆ２を用いずに、平均値Ｆ１の算出に使用した複数の画像類似度と、平均値Ｆ２の算出に使用した複数の画像類似度とに基づいて、例えばノンパラメトリックＵ検定の処理を行うことにより、選択したカーブを評価対象にするかどうかを判断してもよい。具体的には、まず、ステップＳ３０２と同様に、画像類似度算出部１４５は、選択した１つのカーブについての、１または複数の熟練ドライバに係る複数のカーネル密度推定画像と、１または複数の非熟練ドライバに係る複数のカーネル密度推定画像との間の全ての組合せについて、カーネル密度推定画像の画像類似度を算出する。次に、ステップＳ３０３と同様に、画像類似度算出部１４５は、選択した１つのカーブについての、１または複数の熟練ドライバに係る複数のカーネル密度推定画像のそれぞれの間の全ての組合せについて、カーネル密度推定画像の画像類似度を算出する。そして、評価対象データ生成部１４７は、最初のステップで得られた複数の画像類似度と、後のステップで得られた複数の画像類似度とに基づいて、例えばノンパラメトリックＵ検定の処理を行うことにより、最初のステップで得られた複数の画像類似度と、後のステップで得られた複数の画像類似度との間に有意差があるかどうかを判断する。有意差がある場合には、評価対象データ生成部１４７は、ステップＳ３０１において選択したカーブを運転技能評価の評価対象とする（ステップＳ３０５）。また、有意差がない場合（ステップＳ３０４において“Ｎ”）には、評価対象データ生成部１４７は、ステップＳ３０１において選択したカーブを運転技能評価の評価対象としない（ステップＳ３０６）。

（運転技能の評価について）
　運転技能評価システム１は、ドライバが車両９を運転することにより生成された走行データに基づいて、サーバ装置３０の記憶部３２に記憶された複数のデータセットＤＳ、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲを用いて、そのドライバの運転技能を評価する。以下に、この動作について詳細に説明する。

　ドライバが車両９を運転すると、車両９では、スマートフォン１０の加速度センサ１４は、スマートフォン１０の座標系における３つの方向の加速度をそれぞれ検出し、角速度センサ１５は、スマートフォン１０の座標系における３つの角速度（ヨー角速度、ロール角速度、ピッチ角速度）をそれぞれ検出し、ＧＮＳＳ受信機１６は、地上での車両９の位置を取得する。

　データ処理部２１は、加速度センサ１４の検出結果、および角速度センサ１５の検出結果に基づいて、フィルタ処理などの所定のデータ処理を行う。具体的には、データ処理部２１は、加速度センサ１４により検出された加速度の時系列データに対して、フィルタ処理を行い、角速度センサ１５により検出された角速度の時系列データに対して、フィルタ処理を行う。なお、これに限定されるものではなく、データ処理部２１は、フィルタ処理が施されたこれらの時系列データに対して、ダウンサンプリング処理を行ってもよい。

　そして、通信部１３は、走行終了後に、データ処理部２１により処理された加速度の時系列データおよび角速度の時系列データを、ＧＮＳＳ受信機１６により得られた車両９の位置の時系列データとともに、サーバ装置３０に送信する。

　サーバ装置３０では、通信部３１は、スマートフォン１０から送信されたデータを受信する。そして、サーバ装置３０は、通信部３１が受信したデータに基づいて、ドライバの運転技能を評価する。以下に、このサーバ装置３０の動作について、詳細に説明する。

　図１９Ａ，１９Ｂは、サーバ装置３０の一動作例を表すものである。

　まず、サーバ装置３０のデータ処理部４１は、車両９の位置の時系列データに基づいて、記憶部３２に記憶されているエリアデータＤＡＲを用いて、車両９が評価対象エリアを走行したかどうかを確認する（ステップＳ４０１）。車両９が評価対象エリアを走行していない場合（ステップＳ４０１において“Ｎ”）には、この処理は終了する。

　車両９が評価対象エリアを走行した場合（ステップＳ４０１において“Ｙ”）には、データ処理部４１は、座標変換を行うことにより、前後加速度の時系列データおよびヨー角速度の時系列データを生成する（ステップＳ４０２）。具体的には、データ処理部４１は、評価対象エリアにおける加速度の時系列データに基づいて座標変換を行うことにより、車両９の進行方向における加速度（前後加速度）の時系列データを生成する。また、データ処理部４１は、評価対象エリアにおける角速度の時系列データに基づいて座標変換を行うことにより、車両９のヨー角速度の時系列データを生成する。なお、これに限定されるものではなく、例えば、スマートフォン１０においてダウンサンプリング処理が行われている場合には、データ処理部４１は、通信部３１が受信した加速度の時系列データおよび角速度の時系列データに対してアップサンプリング処理を行い、アップサンプリング処理が施された前後加速度の時系列データおよびヨー角速度の時系列データに基づいて座標変換を行ってもよい。

　次に、データ処理部４１は、ステップＳ４０２において生成された前後加速度の時系列データおよびヨー角速度の時系列データに対してフィルタ処理を行うことにより、加速度データＤＡ１およびヨー角速度データＤＹ１をそれぞれ生成する（ステップＳ４０３）。

　次に、カーブ検出部４２は、ステップＳ４０３において生成したヨー角速度データＤＹ１に基づいて、カーブ分割処理を行うことによりカーブデータＤＣ１を生成する（ステップＳ４０４）。このカーブ分割処理は、図１１に示したステップＳ１０３の処理と同様である。

　次に、カーブ検出部４２は、ステップＳ４０３において生成されたヨー角速度データＤＹ１と、記憶部３２に記憶されたデータセットＤＳＡのヨー角速度データＤＹとの類似性に基づいてカーブの対応関係を特定することにより、カーブデータＤＣ１を修正する（ステップＳ４０５）。この処理は、図１１に示したステップＳ１０７の処理と同様である。

　データ抽出部４３は、記憶部３２に記憶された評価対象カーブデータＤＴＣに基づいて、運転技能評価の評価対象であるカーブに係る前後加速度の時系列データおよびヨー角速度の時系列データを抽出する（ステップＳ４０６）。具体的には、データ抽出部４３は、加速度データＤＡ１に含まれる前後加速度の時系列データのうちの、運転技能の評価に使用する複数のカーブに係る、前後加速度の時系列データを抽出する。また、データ抽出部４３は、ヨー角速度データＤＹ１に含まれるヨー角速度の時系列データのうちの、運転技能の評価に使用する複数のカーブに係る、ヨー角速度の時系列データを抽出する。

　次に、画像生成部４４は、ステップＳ４０６において抽出された前後加速度の時系列データおよびヨー角速度の時系列データに基づいて、複数のカーブのそれぞれについて、カーネル密度推定画像を生成することにより、複数の画像データＤＰを生成する（ステップＳ４０７）。この処理は、ステップＳ１０８の処理と同様である。このステップＳ４０６では、画像生成部４４は、運転技能評価の評価対象であるカーブに係るカーネル密度推定画像を生成する。

　次に、画像類似度算出部４５は、ステップＳ４０７において生成された複数のカーネル密度推定画像と、記憶部３２に記憶された熟練ドライバに係る複数のデータセットＤＳに含まれる複数のカーネル密度推定画像とに基づいて、画像類似度の平均値（平均類似度）を算出する（ステップＳ４０８）。具体的には、画像類似度算出部４５は、複数のカーブの１つについて、画像生成部４４が生成したカーネル密度推定画像と、熟練ドライバに係る複数のデータセットＤＳに含まれる複数のカーネル密度推定画像とを比較することにより画像類似度をそれぞれ算出する。画像類似度算出部４５は、複数のカーブのそれぞれについて、この処理を行うことにより、複数の画像類似度を算出する。そして、画像類似度算出部４５は、これらの複数の画像類似度の平均値（平均類似度）を算出する。この例では、画像類似度の値は正の値であり、カーネル密度推定画像が類似しているほど、画像類似度の値は小さく、カーネル密度推定画像が類似していないほど、画像類似度の値は大きい。

　次に、技能判定部４６は、ステップＳ４０４，Ｓ４０５においてカーブ検出部４２により検出されたカーブの数が所定数Ｇ１以上であるかどうかを確認する（ステップＳ４０９）。すなわち、カーブ検出部４２は、ステップＳ４０４，Ｓ４０５においてカーブを検出する際、ヨー角速度データＤＹ１によっては一部のカーブを検出できない場合があり得る。例えば、ドライバの運転技能が低く、ヨー角速度データＤＹ１が、熟練ドライバのヨー角速度データＤＹとの差異が大きい場合には、検出できないカーブの数が多くなり得る。よって、技能判定部４６は、ヨー角速度データＤＹ１に基づいて検出されたカーブの数が所定数Ｇ１以上であるかどうかを確認する。

　ステップＳ４０９において、検出されたカーブの数が所定数Ｇ１以上である場合（ステップＳ１０９において“Ｙ”）には、技能判定部４６は、ステップＳ４０８において算出された平均類似度の値がしきい値Ｇ２未満であるかどうかを確認する（ステップＳ４１０）。

　ステップＳ４１０において、平均類似度の値がしきい値Ｇ２未満である場合（ステップＳ４１０において“Ｙ”）には、技能判定部４６は、車両９のドライバの運転技能は高いと判定する（ステップＳ４１１）。すなわち、ステップＳ４１０において、平均類似度の値がしきい値Ｇ２未満であるので、ドライバのカーネル密度推定画像は、熟練ドライバのカーネル密度推定画像と似ている。よって、技能判定部４６は、車両９のドライバの運転技能は高いと判定する。

　また、ステップＳ４０９において、検出されたカーブの数が所定数Ｇ１以上ではない場合（ステップＳ４０９において“Ｎ”）、またはステップＳ４１０において、平均類似度の値がしきい値Ｇ２未満ではない場合（ステップＳ４１０において“Ｎ”）には、技能判定部４６は、車両９のドライバの技能レベルは低いと判定する（ステップＳ４１２）。すなわち、ステップＳ４０９において、検出されたカーブの数が所定数Ｇ１以上ではない場合には、そのドライバのヨー角速度データＤＹ１が、熟練ドライバのヨー角速度データＤＹとの差異が大きいので、技能判定部４６は、ドライバの運転技能が低いと判断する。また、ステップＳ４１０において、平均類似度の値がしきい値Ｇ２未満ではない場合には、ドライバのカーネル密度推定画像は、熟練ドライバのカーネル密度推定画像と似ていないので、技能判定部４６は、ドライバの運転技能が低いと判断する。

　以上で、この処理は終了する。

　サーバ装置３０の通信部３１は、運転技能の評価結果を含むデータをスマートフォン１０に送信する。スマートフォン１０の通信部１３は、スマートフォン１０から送信されたデータを受信する。表示処理部２２は、サーバ装置３０から送信された、運転技能の評価結果を示すデータに基づいて、表示処理を行う。タッチパネル１１は、運転技能の評価結果を表示する。これにより、ドライバは、自分の運転技能についての客観的な評価を得ることができる。

　このように、運転技能評価システム１における運転技能評価方法では、車両９の進行方向の方向変化に応じた第１のパラメータ（この例ではヨー角速度の２乗）の時系列データ、および車両９の進行方向の躍度（前後躍度）の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成することと、カーネル画像推定画像を、熟練ドライバに係るリファレンス画像と比較することにより、車両のドライバの運転技能を評価することとを含むようにした。これにより、運転技能評価方法では、ドライバの運転技能の評価精度を高めることができる。すなわち、カーネル密度推定処理では、実測データに基づいて、いまだ観測されていないデータを含む本来のデータが、密度データとして推定される。よって、カーネル画像推定画像は、そのドライバの運転技能に応じた、そのドライバ本来の固有の特徴を含み得る。よって、この運転技能評価方法では、カーネル画像推定画像を用いることにより、ドライバの運転技能の評価精度を高めることができる。

　また、この運転技能評価方法では、車両９の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成するようにしたので、ドライバの運転技能の評価精度を高めることができる。すなわち、例えば、車両９の進行方向の加速度（前後加速度）の時系列データに基づいてカーネル密度推定画像を生成した場合には、前処理画像の画素値が負になる場合があるので、カーネル密度推定処理を行うことができない。また、例えば、この前後加速度は、図２０に示すように、例えば勾配などにおいて、重力加速度の影響を受けやすいので、前後加速度にトレンドが発生してしまう。よって、例えば、この前後加速度の絶対値の時系列データに基づいてカーネル密度推定画像を生成した場合には、カーネル密度推定画像は重力加速度の影響を受けるので、ドライバの運転技能の評価精度が低くなる可能性がある。一方、この運転技能評価方法では、車両９の進行方向の躍度（前後躍度）の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成するようにした。具体的には、前後加速度を時間微分することにより前後躍度を算出し、この前後躍度の２乗を算出し、この前後躍度の２乗の時系列データに基づいて、カーネル密度推定画像を生成するようにした。これにより、前処理画像の画素値を正にすることができ、重力加速度の影響を抑えることができるので、ドライバの運転技能の評価精度を高めることができる。

　また、この運転技能評価方法では、第１のパラメータ（この例ではヨー角速度の２乗）の時系列データ、および第２のパラメータ（この例では前後躍度の２乗）の時系列データは、車両９がカーブを走行しているときのデータにした。カーブでは、ドライバは、ステアリング操作、制動操作、加速操作などの様々な操作を行うので、カーブにおける時系列データは、ドライバの様々な操作についての情報を含む。よって、この運転技能評価方法では、ドライバの運転技能の評価精度を高めることができる。

　また、この運転技能評価方法では、図６，７に示したように、カーネル密度推定画像における第１の画像方向は時間を示し、カーネル密度推定画像における第２の画像方向は第１のパラメータ（この例ではヨー角速度の２乗）を示し、カーネル密度推定画像の画素値は、第２のパラメータ（この例では前後躍度の２乗）のデータに応じた値にした。これにより、例えば、車両９の速度の変化が大きい走行路において、ドライバの運転技能の評価精度を高めることができる。すなわち、例えば、起伏が激しい走行路では、車両９の速度の変化が大きく、前後躍度の２乗の値が大きく変化し得るので、カーネル密度推定画像の画素値は大きく変化し得る。よって、この運転技能評価方法では、特に、車両９の速度の変化が大きい走行路において、ドライバの運転技能の評価精度を高めることができる。

　また、この運転技能評価方法では、ドライバの運転技能の評価結果をドライバに提示することをさらに含むようにした。これにより、ドライバは、自分の運転技能についての客観的な評価を得ることができる。その結果、ドライバは、自分の運転について注意を払うとともに、自分の運転技能の向上を図ることができる。

［効果］
　以上のように本実施の形態では、運転技能評価方法は、車両の進行方向の方向変化に応じた第１のパラメータの時系列データ、および車両の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成することと、カーネル画像推定画像を、熟練ドライバに係るリファレンス画像と比較することにより、車両のドライバの運転技能を評価することとを含むようにしたので、ドライバの運転技能の評価精度を高めることができる。

　本実施の形態では、車両の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成するようにしたので、ドライバの運転技能の評価精度を高めることができる。

　本実施の形態では、第１のパラメータの時系列データ、および第２のパラメータの時系列データは、車両がカーブを走行しているときのデータにしたので、ドライバの運転技能の評価精度を高めることができる。

　本実施の形態では、カーネル密度推定画像における第１の画像方向は時間を示し、カーネル密度推定画像における第２の画像方向は第１のパラメータを示し、カーネル密度推定画像の画素値は、第２のパラメータのデータに応じた値にしたので、例えば、車両の速度の変化が大きい走行路において、ドライバの運転技能の評価精度を高めることができる。

　本実施の形態では、運転技能評価方法は、ドライバの運転技能の評価結果をドライバに提示することをさらに含むようにしたので、ドライバは、自分の運転技能についての客観的な評価を得ることができる。その結果、ドライバは、自分の運転について注意を払うとともに、自分の運転技能の向上を図ることができる。

［変形例１］
　上記実施の形態では、図６，７に示したように、カーネル密度推定画像の縦軸（Ｙ軸）はヨー角加速度の２乗を示すようにしたが、これに限定されるものではない。これに代えて、例えば、カーネル密度推定画像の縦軸（Ｙ軸）は、図２１に示すようにヨー角加速度を示してもよいし、ヨー角加速度の絶対値を示してもよい。また、例えば、カーネル密度推定画像の縦軸（Ｙ軸）は、図２２に示すようにヨー角速度を示してもよいし、ヨー角速度の絶対値を示してもよい。また、カーネル密度推定画像の縦軸（Ｙ軸）は、図２３に示すように車両の進行方向と交差する方向の加速度（横加速度）の２乗を示してもよいし、図２４に示すように横加速度を示してもよいし、横加速度の絶対値を示してもよい。

［変形例２］
　上記実施の形態では、図６，７に示したように、カーネル密度推定画像の縦軸（Ｙ軸）はヨー角加速度の２乗を示し、カーネル密度推定画像の画素値（Ｚ軸）は前後躍度の２乗を示すようにしたが、これに限定されるものではない。これに代えて、例えば、図２５，２６に示すように、カーネル密度推定画像の縦軸（Ｙ軸）は前後躍度の２乗を示し、カーネル密度推定画像の画素値（Ｚ軸）はヨー角加速度の２乗を示すようにしてもよい。図２５は、あるカーブにおけるカーネル密度推定画像の一例を表すものである。図２６は、図２５に示したカーネル密度推定画像の座標軸を表すものである。これにより、例えば、特に、車両９の速度の変化が小さい走行路において、ドライバの運転技能の評価精度を高めることができる。すなわち、例えば、起伏が緩やかな走行路では、車両９の速度の変化が小さく、前後躍度の２乗の値は大きく変化しにくいので、図６，７に示したカーネル密度推定画像の画素値は大きく変化しにくい。このような場合には、図２５，２６に示したカーネル密度推定画像を用いることにより、ドライバの運転技能の評価精度を高めることができる。

　運転技能評価システム１は、図６，７に示したカーネル密度推定画像、および図２５，２６に示したカーネル密度推定画像の両方に基づいて処理を行うことができるようにしてもよい。例えば、データ処理システム２の情報処理装置１３０は、エンジニアの操作に基づいて、図６，７に示したカーネル密度推定画像を生成するか、もしくは図２５，２６に示したカーネル密度推定画像を生成するかを決定することができる。また、情報処理装置１３０は、前後加速度の時系列データを含む加速度データＤＡおよびヨー角速度の時系列データを含むヨー角速度データＤＹに基づいて、これらのカーネル密度推定画像のうちのどちらを生成するかを決定してもよい。具体的には、情報処理装置１３０は、加速度データＤＡおよびヨー角速度データＤＹに基づいて、車両１０９が走行した走行路が、車両１０９の速度の変化が大きい走行路であるかどうかを確認する。そして、情報処理装置１３０は、車両１０９が走行した走行路が、車両１０９の速度の変化が大きい走行路である場合には、図６，７に示したカーネル密度推定画像を生成することを決定し、車両１０９が走行した走行路が、車両１０９の速度の変化が大きい走行路ではない場合には、図２５，２６に示したカーネル密度推定画像を生成することを決定する。

　情報処理装置１３０は、全てのカーブについて、図６，７に示したカーネル密度推定画像を生成するように決定してもよいし、全てのカーブについて、図２５，２６に示したカーネル密度推定画像を生成するように決定してもよい。また、情報処理装置１３０は、複数のカーブのそれぞれについて、図６，７に示したカーネル密度推定画像、および図２５，２６に示したカーネル密度推定画像のうちのどちらのカーネル密度推定画像を生成するかを個別に決定してもよい。

　サーバ装置３０は、データセットＤＳにおける熟練ドライバに係るカーネル密度推定画像が図６，７に示したカーネル密度推定画像である場合には、ドライバの走行データに基づいて、図６，７に示したカーネル密度推定画像を生成し、データセットＤＳにおける熟練ドライバに係るカーネル密度推定画像が図２５，２６に示したカーネル密度推定画像である場合には、ドライバの走行データに基づいて、図２５，２６に示したカーネル密度推定画像を生成する。

　また、図２５，２６の例では、カーネル密度推定画像の画素値（Ｚ軸）はヨー角加速度の２乗を示すようにしたが、これに限定されるものではない。これに代えて、例えば、変形例１と同様に、カーネル密度推定画像の画素値（Ｚ軸）は、ヨー角加速度の絶対値を示してもよいし、横加速度の２乗を示してもよいし、横加速度の絶対値を示してもよい。

［変形例３］
　上記実施の形態では、図２に示したように、スマートフォン１０は、加速度の時系列データ、角速度の時系列データ、および車両９の位置の時系列データをサーバ装置３０に送信したが、これに限定されるものではない。これに代えて、例えば、スマートフォン１０は、さらに、地磁気の時系列データをサーバ装置３０に送信してもよい。以下に、この例について詳細に説明する。

　図２７は、本変形例に係るスマートフォン１０Ａの一構成例を表すものである。スマートフォン１０Ａは、地磁気センサ１７Ａと、処理部２０Ａとを有している。地磁気センサ１７Ａは、地磁気を検出するように構成される。処理部２０Ａは、加速度センサ１４により検出された加速度の時系列データ、角速度センサ１５により検出された角速度の時系列データ、ＧＮＳＳ受信機１６により得られた車両９の位置の時系列データ、および地磁気センサ１７Ａにより検出された地磁気の時系列データを収集する。通信部１３は、走行終了後に、データ処理部２１により処理された加速度の時系列データおよび角速度の時系列データを、ＧＮＳＳ受信機１６により得られた車両９の位置の時系列データ、および地磁気センサ１７Ａにより検出された地磁気の時系列データとともに、サーバ装置３０に送信する

　サーバ装置３０のデータ処理部４１は、通信部３１により受信された加速度の時系列データに基づいて座標変換を行うことにより、車両９の進行方向における加速度（前後加速度）の時系列データを生成する。また、通信部３１により受信された角速度の時系列データに基づいて座標変換を行うことにより、車両９のヨー角速度の時系列データを生成する。そして、データ処理部４１は、通信部３１により受信された地磁気の時系列データに基づいて、前後加速度の時系列データ、およびヨー角速度の時系列データを補正する。これにより、前後加速度の時系列データ、およびヨー角速度の時系列データの精度を高めることができる。

［その他の変形例］
　また、これらの変形例のうちの２以上を組み合わせてもよい。

　以上、本開示のいくつかの実施の形態について添付図面を参照しつつ一例を説明したが、本開示は上記実施の形態に決して限定されるものではない。当業者であれば、添付の請求の範囲によって定義される範囲から逸脱することなく、各種変形や変更をなし得ることが理解される。本開示は、そのような各種変形や変更が、添付の請求の範囲およびその均等物の範囲に属する限り、それらを包含することを意図するものである。

　例えば、上記実施の形態では、サーバ装置３０が、スマートフォン１０から送信された走行データに基づいて運転技能の評価を行うようにしたが、これに限定されるものではない。これに代えて、例えば、スマートフォン１０が、走行データに基づいて運転技能の評価を行うようにしてもよい。この場合には、スマートフォン１０の処理部２０は、データ処理部４１、カーブ検出部４２、データ抽出部４３、画像生成部４４、画像類似度算出部４５、および技能判定部４６として動作し得る。また、スマートフォン１０の記憶部１２には、複数のデータセットＤＳ（データセットＤＳＡおよび複数のデータセットＤＳＢ）、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲが記憶される。

　また、車両９の車載装置が、車両９の走行データを収集し、この走行データに基づいて運転技能の評価を行うようにしてもよい。この車両９の車載装置は、車載装置１１０（図９）と同様に、加速度センサにより検出された前後加速度の時系列データ、ヨー角速度センサにより検出されたヨー角速度の時系列データ、およびＧＮＳＳ受信機により得られた車両９の位置の時系列データを収集する。車両９の車載装置の処理部は、データ処理部４１、カーブ検出部４２、データ抽出部４３、画像生成部４４、画像類似度算出部４５、および技能判定部４６として動作し得る。また、この車載装置の記憶部には、複数のデータセットＤＳ（データセットＤＳＡおよび複数のデータセットＤＳＢ）、評価対象カーブデータＤＴＣ、およびエリアデータＤＡＲが記憶される。

　本明細書中に記載された効果はあくまで例示であり、本開示の効果は、本明細書中に記載された効果に限定されない。よって、本開示に関して、他の効果が得られてもよい。

　さらに、本開示は、以下の態様を取り得る。

（１）
　車両の進行方向の方向変化に応じた第１のパラメータの時系列データ、および前記車両の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成することと、
　前記カーネル密度推定画像をリファレンス画像と比較することにより、前記車両のドライバの運転技能を評価することと
　を含む運転技能評価方法。
（２）
　前記第１のパラメータの時系列データ、および前記第２のパラメータの時系列データは、前記車両がカーブを走行しているときのデータである
　前記（１）に記載の運転技能評価方法。
（３）
　前記カーネル密度推定画像における第１の画像方向は時間を示し、
　前記カーネル密度推定画像における第２の画像方向は前記第１のパラメータを示し
　前記カーネル密度推定画像の画素値は、前記第２のパラメータのデータに応じた値である
　前記（１）または（２）に記載の運転技能評価方法。
（４）
　前記第１のパラメータは、ヨー角速度に関するパラメータである
　前記（１）から（３）のいずれかに記載の運転技能評価方法。
（５）
　前記第１のパラメータは、ヨー角加速度に関するパラメータである
　前記（４）に記載の運転技能評価方法。
（６）
　前記第１のパラメータは、ヨー角加速度の２乗に関するパラメータである
　前記（５）に記載の運転技能評価方法。
（７）
　前記第１のパラメータは、横加速度に関するパラメータである
　前記（１）から（３）のいずれかに記載の運転技能評価方法。
（８）
　前記カーネル密度推定画像における第１の画像方向は時間を示し、
　前記カーネル密度推定画像における第２の画像方向は前記第２のパラメータを示し
　前記カーネル密度推定画像の画素値は、前記第１のパラメータのデータに応じた値である
　前記（１）または（２）に記載の運転技能評価方法。
（９）
　前記ドライバの運転技能の評価結果を前記ドライバに提示することをさらに含む
　前記（１）から（８）のいずれかに記載の運転技能評価方法。
（１０）
　車両の進行方向の方向変化に応じた第１のパラメータの時系列データ、および前記車両の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成する画像生成回路と、
　前記カーネル密度推定画像をリファレンス画像と比較することにより、前記車両のドライバの運転技能を評価する評価回路と
　を備えた運転技能評価システム。
（１１）
　車両の進行方向の方向変化に応じた第１のパラメータの時系列データ、および前記車両の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成することと、
　前記カーネル密度推定画像をリファレンス画像と比較することにより、前記車両のドライバの運転技能を評価することと
　をプロセッサに行わせるソフトウェアが記録された
　記録媒体。

　図３に示す処理部４０は、少なくとも１つのプロセッサ（例えば、中央演算処理装置（ＣＰＵ））、少なくとも１つの特定用途向け集積回路（ＡＳＩＣ）および／または少なくとも１つのフィールドプログラマブルゲートアレイ（ＦＰＧＡ）等の、少なくとも１つの半導体集積回路を含む回路によって実施可能である。少なくとも１つのプロセッサは、少なくとも１つの非一時的かつ有形のコンピュータ可読媒体から指示を読み込むことによって、図３に示す処理部４０における各種機能のうちの全部または一部を実行するように構成可能である。そのような媒体は、ハードディスク等の各種磁気媒体、ＣＤまたはＤＶＤ等の各種光媒体、揮発性メモリまたは不揮発性メモリ等の各種半導体メモリ（すなわち、半導体回路）を含む様々な形態をとり得るが、これらには限定されない。揮発性メモリは、ＤＲＡＭおよびＳＲＡＭを含み得る。不揮発性メモリは、ＲＯＭおよびＮＶＲＡＭを含み得る。ＡＳＩＣは、図３に示す処理部４０における各種機能のうちの全部または一部を実行するように特化された集積回路（ＩＣ）である。ＦＰＧＡは、図３に示す処理部４０における各種機能のうちの全部または一部を実行するように、製造後に構成可能に設計された集積回路である。

Claims

　車両の進行方向の方向変化に応じた第１のパラメータの時系列データ、および前記車両の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成することと、
　前記カーネル密度推定画像をリファレンス画像と比較することにより、前記車両のドライバの運転技能を評価することと
　を含む運転技能評価方法。
　前記第１のパラメータの時系列データ、および前記第２のパラメータの時系列データは、前記車両がカーブを走行しているときのデータである
　請求項１に記載の運転技能評価方法。
　前記カーネル密度推定画像における第１の画像方向は時間を示し、
　前記カーネル密度推定画像における第２の画像方向は前記第１のパラメータを示し
　前記カーネル密度推定画像の画素値は、前記第２のパラメータのデータに応じた値である
　請求項１に記載の運転技能評価方法。
　前記第１のパラメータは、ヨー角速度に関するパラメータである
　請求項１に記載の運転技能評価方法。
　前記第１のパラメータは、ヨー角加速度に関するパラメータである
　請求項４に記載の運転技能評価方法。
　前記第１のパラメータは、ヨー角加速度の２乗に関するパラメータである
　請求項５に記載の運転技能評価方法。
　前記第１のパラメータは、横加速度に関するパラメータである
　請求項１に記載の運転技能評価方法。
　前記カーネル密度推定画像における第１の画像方向は時間を示し、
　前記カーネル密度推定画像における第２の画像方向は前記第２のパラメータを示し
　前記カーネル密度推定画像の画素値は、前記第１のパラメータのデータに応じた値である
　請求項１に記載の運転技能評価方法。
　前記ドライバの運転技能の評価結果を前記ドライバに提示することをさらに含む
　請求項１に記載の運転技能評価方法。
　車両の進行方向の方向変化に応じた第１のパラメータの時系列データ、および前記車両の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成する画像生成回路と、
　前記カーネル密度推定画像をリファレンス画像と比較することにより、前記車両のドライバの運転技能を評価する評価回路と
　を備えた運転技能評価システム。
　車両の進行方向の方向変化に応じた第１のパラメータの時系列データ、および前記車両の進行方向の躍度の２乗を示す第２のパラメータの時系列データに基づいてカーネル密度推定画像を生成することと、
　前記カーネル密度推定画像をリファレンス画像と比較することにより、前記車両のドライバの運転技能を評価することと
　をプロセッサに行わせるソフトウェアが記録された
　記録媒体。